Escolar Documentos
Profissional Documentos
Cultura Documentos
Algoritmos Genticos
o Definicin
El algoritmo gentico (AG) imita el proceso de evolucin biolgica de
sobrevivencia del ms apto. Cada solucin factible de un problema se
considera como un cromosoma codificado por un conjunto de genes. Los
cdigos genticos ms comunes son el binario (0,1) y el numrico (0, 1,
2,, n). Por ejemplo, los cromosomas de una sola variable cuyos valores
factibles son 0, 1, 2, 3, 4, 5, 6, 7 y 8 pueden ser representados por los
cdigos binarios (0000, 1000, 0100, 1100, 0010, 1010, 0110, 1110 y 0001)
Estas ideas se transfieren hacia los problemas de optimizacin en una
forma bastante natural. Las soluciones factibles de un problema especfico
corresponden a los miembros de una especie particular, donde la aptitud
de cada miembro ahora se mide por el valor de la funcin objetivo. En
lugar de procesar una sola solucin de prueba a la vez (como sucede con
las formas bsicas de la bsqueda tab y el templado simulado), ahora se
trabaja con una poblacin completa de soluciones de prueba.1 En el caso
de cada iteracin (generacin) de un algoritmo gentico, la poblacin
actual consiste en el conjunto de soluciones de prueba que en la actualidad
estn bajo consideracin.
Estas soluciones de prueba se entienden como los miembros vivos de la
especie. Algunos de los miembros ms jvenes de la poblacin (en
especial los miembros ms aptos) sobreviven en la adultez y se convierten
Colonia de Hormigas
o Definicin
Se trata de una tcnica probabilstica para resolver problemas
computacionalmente complejos que pueden ser reducidos a la bsqueda de
buenos caminos en grafos. ACO se inspira directamente en el comportamiento de
las colonias reales de hormigas para solucionar problemas de optimizacin
combinatoria. Se basan en una colonia de hormigas artificiales, esto es, agentes
computacionales simples que trabajan de manera cooperativa y se comunican
mediante rastros de feromona artificiales.
o Usos y Aplicaciones
Los problemas de tipo
o Heurstica
La Heurstica se usa principalmente en problemas de optimizacin, cuando se encuentran
algunas de las caractersticas:
a. El problema es de una naturaleza tal que no se conoce ningn mtodo exacto para su
solucin.
b. Aunque exista un mtodo exacto para resolver el problema, su uso
computacionalmente costoso o inviable.
c. El mtodo heurstico es ms flexible que un mtodo exacto, permitiendo, por
ejemplo, la incorporacin de condiciones de difcil modelizacin.
d. El modelo matemtico es demasiado grande, demasiado NO lineal o demasiado
complejo desde el punto de vista lgico.
e. El asumir suposiciones o aproximaciones para simplificar el problema, tienede a
destruir estructuras del modelo que son vitales en el contexto del mundo real,
haciendo la solucin no viable.
o Meta-heurstica
Aunque algunas veces se aplican Meta-heursticas a problemas difciles de programacin
no lineal y entera, un rea de aplicacin ms comn es la de los problemas de
optimizacin combinatoria. Un ejemplo clsico de esto es conocido como el problema del
agente viajero, recibi este nombre pintoresco porque puede describirse en trminos de
un agente de ventas que debe visitar cierta cantidad de ciudades en un solo viaje. Si
comienza desde su ciudad de residencia, el agente determinar cul ruta debe seguir para
visitar cada ciudad exactamente una vez antes de regresar a su casa de manera que se
minimice la longitud total del viaje.
4)
5)
a. Bin packing problem.
b. Problema de Knapsack
El modelo de la mochila tiene que ver clsicamente con el hecho de determinar los
artculos ms valiosos que un combatiente carga en una mochila. El problema representa
un modelo de asignacin de recursos general en el cual se utilizan recursos limitados por
varias actividades econmicas. El objetivo es maximizar el rendimiento total.1 La
ecuacin recursiva (hacia atrs) se desarrolla para el problema general de asignar n
artculos a una mochila con capacidad de peso W. Sea mi la cantidad de unidades del
artculo i en la mochila, y defina ri y wi como el ingreso unitario y el peso del artculo i.
El problema general se representa como
= 1 1 + 2 2 + +
.
1 1 + 2 2 + +
1 + 2 , ,
Los tres elementos del modelo son
d. Problema de transporte
Tal como se indica en la figura. Hay m orgenes y n destinos, cada uno representado por un
nodo. Los arcos representan las rutas que unen los orgenes con los destinos. El arco (i, j) que
une el origen i con el destino j transporta dos piezas de informacin: el costo de transporte por
unidad, cij y la cantidad transportada, xij. La cantidad de la oferta en el origen i es ai y la cantidad
de la demanda en el destino j es bj. El objetivo del modelo es minimizar el costo de transporte
total al mismo tiempo que se satisfacen las restricciones de la oferta y la demanda.